一种基于神经网络模型的DRAM储存器性能预测方法和系统技术方案

本说明书实施例提供一种基于神经网络模型的DRAM储存器性能预测方法和系统，其中，所述方法包括：设定测试参数；根据测试参数对DRAM储存器的至少一部分进行测试，获取测试数据；对测试数据进行预处理，获取处理后的数据；基于处理后的数据，通过神经网络模型预测DRAM储存器的至少一部分的性能，得到性能数据，具有可以对DRAM储存器的性能进行预测，可以有效预防DRAM储存器发生失效或故障的优点。预防DRAM储存器发生失效或故障的优点。预防DRAM储存器发生失效或故障的优点。

【技术实现步骤摘要】
一种基于神经网络模型的DRAM储存器性能预测方法和系统


[0001]本说明书涉及DRAM储存器领域，特别涉及一种基于神经网络模型的DRAM储存器性能预测方法和系统。

技术介绍

[0002]DRAM(Dynamic Random Access Memory)是目前应用最广泛的存储介质之一，广泛应用于各类存储设备。DRAM断电停机就会丢失全部数据，大部分DRAM内存一旦投入使用就会一直处于运行状态。由于不便停机检测，一旦内部发生失效或故障就会丢失数据，对用户造成难以估量的影响，因此DRAM的出厂质量检测试验和使用后的性能预测变得非常重要。现有技术一般通过故障时信号灯提醒、电压监测等方法，得到DRAM储存器中失效或者故障单元之后，将这些单元进行隔离修复防止持续失效，但此时已经给用户造成了数据损失。
[0003]因此，需要提供一种基于神经网络模型的DRAM储存器性能预测方法和系统，用于对DRAM储存器的性能进行预测，可以有效预防DRAM储存器发生失效或故障。

技术实现思路

[0004]本说明书实施例之一提供一种基于神经网络模型的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络模型的DRAM储存器性能预测方法，其特征在于，包括：设定测试参数；根据所述测试参数对所述DRAM储存器的至少一部分进行测试，获取测试数据；对所述测试参数及所述测试数据进行预处理，获取处理后的数据；基于处理后的数据，通过神经网络模型预测所述DRAM储存器的至少一部分的性能，得到性能数据。2.根据权利要求1所述的基于神经网络模型的DRAM储存器性能预测方法，其特征在于，所述测试参数至少包括：所述DRAM储存器的厂家、所述DRAM储存器的工艺、所述DRAM储存器的型号、所述DRAM储存器的规格、测试算法、时序参数、运行工况及插拔次数。3.根据权利要求1所述的基于神经网络模型的DRAM储存器性能预测方法，其特征在于，所述对所述测试参数及所述测试数据进行预处理，获取处理后的数据，包括：对所述测试参数及所述测试数据进行归一化处理，获取所述处理后的数据。4.根据权利要求1所述的基于神经网络模型的DRAM储存器性能预测方法，其特征在于，所述对所述测试参数及所述测试数据进行归一化处理，获取所述处理后的数据，包括：基于min
‑
max标准化方法或Z
‑
score标准化方法对测试参数及测试数据进行归一化处理，获取所述处理后的数据。5.根据权利要求1所述的基于神经网络模型的DRAM储存器性能预测方法，其特征在于，所述DRAM储存器的至少一部分包括所述DRAM储存器的元格、所述DRAM储存器的模组或所述DRAM储存器。6.根据权利要求1
‑
5任意一项所述的基于神经网络模型的DRAM储存器性能预测方法，其特征在于，所述方法还包括：在进行所述测试的过程中，对所述测试参数及所述测试数据进行可视化展示。7.根据权利要求...

【专利技术属性】
技术研发人员：蒋洪湖，曾祥卫，皂慧丽，刘石柱，赵春辉，
申请(专利权)人：深圳市章江科技有限公司，
类型：发明
国别省市：